DE102019115320A1 - Analyzer using a learned model and method therefor - Google Patents

Analyzer using a learned model and method therefor Download PDF

Info

Publication number
DE102019115320A1
DE102019115320A1 DE102019115320.4A DE102019115320A DE102019115320A1 DE 102019115320 A1 DE102019115320 A1 DE 102019115320A1 DE 102019115320 A DE102019115320 A DE 102019115320A DE 102019115320 A1 DE102019115320 A1 DE 102019115320A1
Authority
DE
Germany
Prior art keywords
analytical
model
analysis
data
numerical analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102019115320.4A
Other languages
German (de)
Inventor
Jaehyeon Park
Sangjin Lee
Jeehun Park
Hyunsik Kim
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Doosan Enerbility Co Ltd
Original Assignee
Doosan Heavy Industries and Construction Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Doosan Heavy Industries and Construction Co Ltd filed Critical Doosan Heavy Industries and Construction Co Ltd
Publication of DE102019115320A1 publication Critical patent/DE102019115320A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Abstract

Es wird eine Analysevorrichtung geschaffen. Die Analysevorrichtung enthält eine Modellableitungsvorrichtung, die konfiguriert ist, um ein analytisches Modell zum Vorhersagen eines Ergebnisses einer numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Komponente unter Verwendung mehrerer analytischer Daten, die für die numerische Analyse für die Komponente verwendet werden, zu erzeugen, und einen Modellanalysator, der konfiguriert ist, um das Ergebnis der numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Entwurfszielkomponente unter Verwendung des analytischen Modells vorherzusagen.An analysis device is created. The analysis device includes a model deriving device configured to generate an analytical model for predicting a result of a numerical analysis that has performed multiple iterations for a component using multiple analytical data used for the numerical analysis for the component , and a model analyzer configured to predict the result of the numerical analysis that has performed multiple iterations for a design target component using the analytical model.

Description

HINTERGRUNDBACKGROUND

Gebietarea

Die mit den beispielhaften Ausführungsformen konsistenten Verfahren und Vorrichtungen beziehen sich auf eine Analysetechnik und insbesondere auf eine Vorrichtung zum Optimieren der Analyse unter Verwendung eines erlernten Modells und ein Verfahren dafür.The methods and devices consistent with the exemplary embodiments relate to an analysis technique and, more particularly, to a device for optimizing the analysis using a learned model and a method therefor.

Beschreibung des Standes der TechnikDescription of the prior art

Um Hochleistungs-Kernkomponenten/Kernkomponenten mit hoher Zuverlässigkeit herzustellen, ist eine Analyse, wie z. B. eine rechnerische Fluidanalyse/strukturelle Analyse/elektromagnetische Analyse bei der Entwurfsprozedur wesentlich. In dem Fall einer Turbinenschaufel sind z. B. die rechnerische Fluidanalyse und die strukturelle Analyse erforderlich, während in dem Fall eines Motors die elektromagnetische Analyse erforderlich ist. Die herkömmlichen Analyseverfahren, die auf der Physik basieren, sind jedoch zeitaufwendig. Deshalb werden die Analysebedingungen vereinfacht, um die Analysezeit zu verkürzen, wobei es aber in diesem Fall nicht der hochentwickeltste Entwurf wird. Zusätzlich wird die Analyse nicht nur einmal ausgeführt, sondern sollte iteriert werden, bis eine angemessene Leistung herauskommt. Im Ergebnis ist ein langer Zeitraum erforderlich, um die Komponente zu entwickeln. Um die zum Entwickeln der Komponente erforderliche Zeit zu verkürzen, selbst während der hochentwickeltste Entwurf ausgeführt wird, wird ein Analyseverfahren, das die Analysezeit minimieren kann, benötigt.In order to manufacture high-performance core components / core components with high reliability, an analysis, e.g. B. a computational fluid analysis / structural analysis / electromagnetic analysis in the design procedure essential. In the case of a turbine blade, e.g. For example, computational fluid analysis and structural analysis are required, while in the case of an engine, electromagnetic analysis is required. However, the conventional analysis methods based on physics are time consuming. Therefore, the analysis conditions are simplified to shorten the analysis time, but in this case it is not the most sophisticated design. In addition, the analysis is not only performed once, but should be iterated until adequate performance is achieved. As a result, a long period of time is required to develop the component. In order to shorten the time required to develop the component even while the most sophisticated design is being carried out, an analysis method that can minimize the analysis time is needed.

ZUSAMMENFASSUNGSUMMARY

Die Aspekte einer oder mehrerer beispielhafter Ausführungsformen schaffen eine Analysevorrichtung, die die Analysezeit für einen Komponentenentwurf verkürzen kann, und ein Verfahren für sie.Aspects of one or more exemplary embodiments provide an analysis device that can reduce analysis time for a component design and a method for the same.

Zusätzliche Aspekte werden teilweise in der folgenden Beschreibung dargelegt und werden teilweise aus der Beschreibung offensichtlich oder können durch die Praxis der beispielhaften Ausführungsformen gelernt werden.Additional aspects are set forth in part in the following description, and in part will be obvious from the description, or may be learned by practice of the exemplary embodiments.

Gemäß einem Aspekt einer beispielhaften Ausführungsform wird eine Analysevorrichtung geschaffen, die enthält: eine Modellableitungsvorrichtung, die konfiguriert ist, um ein analytisches Modell zum Vorhersagen eines Ergebnisses einer numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Komponente unter Verwendung mehrerer analytischer Daten, die für die numerische Analyse für die Komponente verwendet werden, zu erzeugen, und einen Modellanalysator, der konfiguriert ist, um das Ergebnis der numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Entwurfszielkomponente unter Verwendung des analytischen Modells vorherzusagen.According to one aspect of an exemplary embodiment, there is provided an analysis device that includes: a model deriving device configured to an analytical model for predicting a result of a numerical analysis that has performed multiple iterations for a component using multiple analytical data for generate the numerical analysis for the component, and a model analyzer configured to predict the result of the numerical analysis that has performed multiple iterations for a design target component using the analytical model.

Die Modellableitungsvorrichtung kann einen Speicher für analytische Daten, der konfiguriert ist, um die analytischen Daten zu speichern, die mehrere Eingangssignale, die für die numerische Analyse verwendet werden, und mehrere Ausgangssignale, die jedem der mehreren Eingangssignale entsprechen, enthalten, und eine Ableitungsvorrichtung für analytische Modelle, die konfiguriert ist, um das analytische Modell zum Ableiten des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch die analytischen Daten zu erzeugen, enthalten.The model deriving device may include an analytical data memory configured to store the analytical data including a plurality of input signals used for numerical analysis and a plurality of output signals corresponding to each of the plurality of input signals, and an analytical data deriving device Models configured to generate the analytical model to derive the numerical analysis output that has performed multiple iterations through the analytical data.

Die Ableitungsvorrichtung für analytische Modelle bildet eine Beziehungsgleichung des analytischen Modells, wo ein Parameter nicht bestimmt ist, und erzeugt das analytische Modell durch das Ableiten des Parameters durch Lernen unter Verwendung der analytischen Daten.The derivation device for analytical models forms a relationship equation of the analytical model where a parameter is not determined, and generates the analytical model by deriving the parameter by learning using the analytical data.

Die Modellableitungsvorrichtung enthält ferner einen Vorprozessor, der konfiguriert ist, um eine Vorverarbeitung zum Korrigieren oder Entfernen der analytischen Daten gemäß einer vorgegebenen Bedingung auszuführen.The model deriving device further includes a preprocessor configured to perform preprocessing to correct or remove the analytical data according to a predetermined condition.

Die Modellableitungsvorrichtung enthält ferner einen Datenanalysator, der konfiguriert ist, um eine Beziehung zwischen den Zellen und eine Beziehung zwischen den Daten in jeder Zelle durch das Analysieren der vorverarbeiteten analytischen Daten abzuleiten.The model deriving device further includes a data analyzer configured to derive a relationship between the cells and a relationship between the data in each cell by analyzing the preprocessed analytical data.

Der Modellanalysator kann einen numerischen Analysator, der konfiguriert ist, um die analytischen Daten durch das Ausführen der numerischen Analyse für mehrere Zellen, die den Raum um die Entwurfszielkomponente aufteilen, abzuleiten, und einen Analysator, der konfiguriert ist, um ein Ausgangssignal der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch das Anwenden der analytischen Daten auf das von der Ableitungsvorrichtung für analytische Modelle abgeleitete analytische Modell vorherzusagen, enthalten. The model analyzer may include a numerical analyzer configured to derive the analytical data by performing the numerical analysis for multiple cells dividing the space around the design target component, and an analyzer configured to output a numerical analysis output, which has performed multiple iterations to predict by applying the analytical data to the analytical model derived from the analytical model deriving device.

Die Analysevorrichtung enthält ferner einen Optimierer, der konfiguriert ist, um ein optimiertes Ergebnis abzuleiten, das die von dem Modellanalysator abgeleiteten mehreren Ausgangssignale optimiert.The analyzer further includes an optimizer configured to derive an optimized result that optimizes the multiple output signals derived from the model analyzer.

Der Optimierer kann ein Filter, das konfiguriert ist, um das Rauschen in jedem der mehreren Ausgangssignale zu entfernen, einen primären Optimierer, der konfiguriert ist, um das Ausgangssignal, aus dem das Rauschen entfernt worden ist, primär zu optimieren, und einen sekundären Optimierer, der konfiguriert ist, um das primär optimierte Ergebnis sekundär zu optimieren, enthalten.The optimizer may include a filter configured to remove the noise in each of the plurality of output signals, a primary optimizer configured to primarily optimize the output signal from which the noise has been removed, and a secondary optimizer, configured to secondary optimize the primary optimized result.

Der numerische Analysator gibt die analytischen Daten durch das Iterieren der numerischen Analyse basierend auf dem durch den Optimierer optimierten optimierten Ergebnis aus, während der Analysator das Ausgangssignal der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch das Anwenden der gemäß der iterierten numerischen Analyse ausgegebenen analytischen Daten auf das von der Ableitungsvorrichtung für analytische Modelle abgeleitete analytische Modell vorhersagt.The numerical analyzer outputs the analytical data by iterating the numerical analysis based on the optimized result optimized by the optimizer, while the analyzer outputs the output of the numerical analysis that has performed multiple iterations by applying the analytical output according to the iterated numerical analysis Predicts data on the analytical model derived from the analytical model deriving device.

Der numerische Analysator gibt die analytischen Daten durch das Iterieren der numerischen Analyse basierend auf dem durch den Optimierer optimierten optimierten Ergebnis aus, während die Ableitungsvorrichtung für analytische Modelle das analytische Modell zum Ableiten des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch die gemäß der iterierten numerischen Analyse ausgegebenen analytischen Daten aktualisiert.The numerical analyzer outputs the analytical data by iterating the numerical analysis based on the optimized result optimized by the optimizer, while the deriving device for analytical models derives the analytical model for deriving the output signal of the numerical analysis which has performed multiple iterations, by the the iterated numerical analysis updated analytical data.

Gemäß einem Aspekt einer weiteren beispielhaften Ausführungsform wird eine Analysevorrichtung geschaffen, die enthält: eine Modellableitungsvorrichtung, die konfiguriert ist, um ein analytisches Modell zum Simulieren einer numerischen Analyse für eine Komponente unter Verwendung der analytischen Daten, die für die numerische Analyse für die Komponente verwendet werden, zu erzeugen, und einen Modellanalysator, der konfiguriert ist, um die numerische Analyse für eine Entwurfszielkomponente unter Verwendung des analytischen Modells auszuführen.According to one aspect of another exemplary embodiment, an analysis device is provided that includes: a model deriving device configured to an analytical model for simulating a numerical analysis for a component using the analytical data used for the numerical analysis for the component , and a model analyzer configured to perform the numerical analysis for a design target component using the analytical model.

Das analytische Modell kann wenigstens eines eines parametrischen Modells, das ein Übertragungsfunktionsmodell und ein Zustandsraummodell enthält, und eines nichtparametrischen Modells enthalten.The analytical model may include at least one of a parametric model that includes a transfer function model and a state space model, and a nonparametric model.

Das analytische Modell kann ein Modell zum Simulieren der numerischen Analyse für jede von mehreren Zellen, ein Modell zum Simulieren der numerischen Analyse für eine Zellengruppe, die eine vorgegebene Anzahl einander benachbarter Zellen enthält, ein Modell zum Simulieren der numerischen Analyse für eine Zellengruppe, die Zellen mit zueinander ähnlichen Eigenschaften enthält, oder ein Modell zum Simulieren der numerischen Analyse für alle der mehreren Zellen sein, wenn der Umfang der Entwurfszielkomponente in die mehreren Zellen aufgeteilt ist.The analytical model can be a model for simulating the numerical analysis for each of a plurality of cells, a model for simulating the numerical analysis for a group of cells containing a predetermined number of adjacent cells, a model for simulating the numerical analysis for a group of cells, the cells with similar properties, or a model for simulating numerical analysis for all of the multiple cells when the scope of the design target component is divided into the multiple cells.

Das analytische Modell sagt das Ergebnis der numerischen Analyse, die mehrere Iterationen ausgeführt hat, vorher.The analytical model predicts the result of the numerical analysis that has performed multiple iterations.

Gemäß einem Aspekt einer weiteren beispielhaften Ausführungsform wird ein Analyseverfahren geschaffen, das enthält: Erzeugen durch eine Modellableitungsvorrichtung eines analytischen Modells zum Vorhersagen eines Ergebnisses einer numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Komponente unter Verwendung mehrerer analytischer Daten, die für die numerische Analyse für die Komponente verwendet werden, und Vorhersagen durch einen Modellanalysator des Ergebnisses der numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Entwurfszielkomponente unter Verwendung des analytischen Modells.According to one aspect of another exemplary embodiment, there is provided an analysis method that includes: generating, by a model deriving device, an analytical model to predict a result of a numerical analysis that has performed multiple iterations for a component using multiple analytical data used for the numerical analysis for the component, and predictions by a model analyzer of the result of the numerical analysis that has performed multiple iterations for a design target component using the analytical model.

Das Erzeugen des analytischen Modells enthält das Speichern durch einen Speicher für analytische Daten der analytischen Daten, die mehrere Eingangssignale, die für die numerische Analyse verwendet werden, und mehrere Ausgangssignale, die jedem der mehreren Eingangssignale entsprechen, enthalten, und das Erzeugen durch eine Ableitungsvorrichtung für analytische Modelle des analytischen Modells zum Ableiten des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch die analytischen Daten.Generation of the analytical model includes storage by an analytical data memory of the analytical data containing a plurality of input signals used for numerical analysis and a plurality of output signals corresponding to each of the plurality of input signals, and generation by a deriving device for analytical models of the analytical model for Deriving the output of the numerical analysis that has performed multiple iterations through the analytical data.

Das Erzeugen des analytischen Modells enthält das Bilden durch die Ableitungsvorrichtung für analytische Modelle einer Beziehungsgleichung des analytischen Modells, wo ein Parameter nicht bestimmt ist, und das Erzeugen durch die Ableitungsvorrichtung für analytische Modelle des analytischen Modells durch das Ableiten des Parameters durch Lernen unter Verwendung der analytischen Daten.Generation of the analytical model includes forming by the analytical model deriving device a relationship equation of the analytical model where a parameter is not determined, and generating by the analytical model deriving device of the analytical model by deriving the parameter by learning using the analytical model Data.

Das Analyseverfahren enthält ferner vor dem Erzeugen des analytischen Modells das Ausführen durch einen Vorprozessor des Vorverarbeitens zum Korrigieren oder Entfernen der analytischen Daten gemäß einer vorgegebenen Bedingung und das Ableiten durch einen Datenanalysator der Beziehung zwischen den Zellen und der Beziehung zwischen den Daten in jeder Zelle durch das Analysieren der Lerndaten.The analysis method further includes, before generating the analytical model, the preprocessing of the preprocessing to correct or remove the analytical data according to a predetermined condition and the derivation by a data analyzer of the relationship between the cells and the relationship between the data in each cell by the Analyze the learning data.

Das Vorhersagen des Ergebnisses der numerischen Analyse enthält das Ableiten durch einen numerischen Analysator der analytischen Daten, die ein Eingangssignal und ein Ausgangssignal, das dem Eingangssignal entspricht, enthalten, durch das Ausführen der numerischen Analyse und das Ableiten durch einen Analysator des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch das Anwenden der analytischen Daten auf das durch die Ableitungsvorrichtung für analytische Modelle abgeleitete analytische Modell.Predicting the result of the numerical analysis includes deriving by a numerical analyzer the analytical data containing an input signal and an output signal corresponding to the input signal by performing the numerical analysis and deriving by an analyzer the output signal of the numerical analysis, which has performed multiple iterations by applying the analytical data to the analytical model derived by the analytical model deriving device.

Das Analyseverfahren enthält ferner nach dem Ableiten des Ausgangssignals das Ableiten durch einen Optimierer von Optimierungsdaten durch das Optimieren der mehreren durch den Analysator abgeleiteten Ausgangssignale.The analysis method further includes, after deriving the output signal, deriving optimization data from an optimizer by optimizing the plurality of output signals derived by the analyzer.

Das Ausführen der Optimierung enthält das Entfernen durch ein Filter des Rauschens in jedem der mehreren Ausgangssignale, das primäre Optimieren durch einen primären Optimierer des Ausgangssignals, aus dem das Rauschen entfernt worden ist, und das Ableiten durch einen sekundären Optimierer der Optimierungsdaten durch das sekundäre Optimieren des primär optimierten Ausgangssignals.Performing the optimization includes removing by filtering the noise in each of the plurality of output signals, primary optimizing by a primary optimizer of the output signal from which the noise has been removed, and deriving by a secondary optimizer the optimization data by secondary optimizing the primarily optimized output signal.

Nach dem Ableiten der Optimierungsdaten kann das Analyseverfahren das Ableiten der analytischen Daten, das Ableiten des Ausgangssignals und das Ableiten der Optimierungsdaten iterieren, falls die Optimierungsdaten nicht innerhalb eines vorgegebenen Bereichs konvergieren.After deriving the optimization data, the analysis method can iterate the derivation of the analytical data, the derivation of the output signal and the derivation of the optimization data if the optimization data do not converge within a predetermined range.

Wie oben beschrieben worden ist, ist es gemäß einer oder mehreren beispielhaften Ausführungsformen möglich, die Analysezeit für den Komponentenentwurf zu verkürzen und dadurch die zum Entwickeln der Komponente erforderliche Zeit zu verkürzen.As described above, according to one or more exemplary embodiments, it is possible to shorten the analysis time for component design and thereby reduce the time required to develop the component.

Figurenlistelist of figures

Die obigen und anderen Aspekte werden aus der folgenden Beschreibung der beispielhaften Ausführungsformen bezüglich der beigefügten Zeichnungen offensichtlicher, worin:

  • 1 eine graphische Darstellung ist, die ein Beispiel des Aufteilens einer Entwurfszielkomponente und ihres Umfangs in mehrere Zellen gemäß einer beispielhaften Ausführungsform veranschaulicht;
  • 2 eine graphische Darstellung zum Erklären eines analytischen Modells gemäß einer beispielhaften Ausführungsform ist;
  • 3 eine graphische Darstellung zum Erklären der vorhergesagten Daten des analytischen Modells gemäß einer beispielhaften Ausführungsform ist;
  • 4 und 5 Blockschaltpläne zum Erklären einer Konfiguration einer Analysevorrichtung gemäß einer beispielhaften Ausführungsform sind;
  • 6 ein Ablaufplan zum Erklären eines Analyseverfahrens gemäß einer beispielhaften Ausführungsform ist;
  • 7 ein Ablaufplan zum Erklären eines Verfahrens zum Erzeugen des analytischen Modells gemäß einer beispielhaften Ausführungsform ist;
  • 8 ein Ablaufplan zum Erklären eines Verfahrens zum Ausführen der Analyse gemäß einer beispielhaften Ausführungsform ist;
  • 9 eine graphische Darstellung zum Erklären eines Verfahrens zum Ausführen der Analyse gemäß einer beispielhaften Ausführungsform ist;
  • 10 ein Ablaufplan zum Erklären eines Verfahrens zum Optimieren eines analysierten Ergebnisses gemäß einer beispielhaften Ausführungsform ist; und
  • 11 eine graphische Darstellung ist, die eine Computervorrichtung gemäß einer beispielhaften Ausführungsform veranschaulicht.
The above and other aspects will become more apparent from the following description of the exemplary embodiments with reference to the accompanying drawings, in which:
  • 1 FIG. 12 is a graph illustrating an example of dividing a design target component and its extent into multiple cells according to an exemplary embodiment;
  • 2 FIG. 12 is a graphical illustration for explaining an analytical model according to an exemplary embodiment;
  • 3 FIG. 12 is a graphical representation for explaining the predicted data of the analytical model according to an exemplary embodiment;
  • 4 and 5 10 are block diagrams for explaining a configuration of an analysis device according to an exemplary embodiment;
  • 6 FIG. 10 is a flowchart for explaining an analysis method according to an exemplary embodiment;
  • 7 FIG. 10 is a flowchart for explaining a method of generating the analytical model according to an example embodiment;
  • 8th FIG. 10 is a flowchart for explaining a method of performing the analysis in accordance with an exemplary embodiment;
  • 9 FIG. 12 is a graphical illustration for explaining a method of performing analysis according to an example embodiment; FIG.
  • 10 FIG. 10 is a flowchart for explaining a method for optimizing an analyzed result according to an exemplary embodiment; and
  • 11 FIG. 12 is a graphical illustration illustrating a computing device according to an exemplary embodiment.

AUSFÜHRLICHE BESCHREIBUNGDETAILED DESCRIPTION

Im Folgenden werden verschiedene Modifikationen und verschiedene Ausführungsformen bezüglich der beigefügten Zeichnungen ausführlich beschrieben, so dass die Fachleute auf dem Gebiet die Offenbarung leicht ausführen können. Es sollte jedoch erkannt werden, dass die verschiedenen Ausführungsformen nicht dem Einschränken des Schutzumfangs der Offenbarung auf die spezifische Ausführungsform dienen, sondern dass sie so interpretiert werden sollten, dass sie alle Modifikationen, Äquivalente und Alternativen der Ausführungsformen enthalten, die innerhalb des Erfindungsgedankens und Schutzumfangs, die hier offenbart sind, enthalten sind. Um die Offenbarung in den Zeichnungen deutlich zu veranschaulichen, können einige Elemente, die für das vollständige Verständnis der Offenbarung nicht wesentlich sind, weggelassen sein, wobei sich gleiche Bezugszeichen überall in der Beschreibung auf gleiche Elemente beziehen.Various modifications and various embodiments are described in detail below with reference to the accompanying drawings, so that those skilled in the art can easily make the disclosure. However, it should be appreciated that the various embodiments are not intended to limit the scope of the disclosure to the specific embodiment, but should be interpreted to include all modifications, equivalents, and alternatives of the embodiments that are within the spirit and scope of the invention, which are disclosed here are included. To clearly illustrate the disclosure in the drawings, some elements that are not essential to a full understanding of the disclosure may be omitted, with like reference numerals referring to like elements throughout the description.

Die in der Offenbarung verwendete Terminologie dient nur dem Zweck des Beschreibens spezifischer Ausführungsformen und ist nicht vorgesehen, um den Schutzumfang der Offenbarung einzuschränken. Es ist vorgesehen, dass die Ausdrücke „ein“, „eine“ und „der/die/das“ in der Einzahl die Ausdrücke in der Mehrzahl ebenso enthalten, wenn es der Kontext nicht deutlich anderweitig angibt. In der Offenbarung sollten Begriffe, wie z. B. „umfasst“, „enthalten“ oder „weist auf“ so ausgelegt werden, dass sie benennen, dass es derartige Merkmale, ganze Zahlen, Schritte, Operationen, Komponenten, Teile und/oder Kombinationen daraus gibt, und das Vorhandensein oder die Möglichkeit des Hinzufügens eines oder mehrerer anderer Merkmale, ganzer Zahlen, Schritte, Operationen, Komponenten, Teile und/oder Kombinationen daraus nicht ausschließen.The terminology used in the disclosure is for the purpose of describing specific embodiments only and is not intended to limit the scope of the disclosure. It is intended that the expressions "a", "an" and "the / that" in the singular also contain the expressions in the majority, unless the context clearly indicates otherwise. In the disclosure, terms such as For example, “includes,” “contains,” or “indicates” should be construed to indicate that there are such characteristics, integers, steps, operations, components, parts and / or combinations thereof, and the presence or possibility not exclude the addition of one or more other features, integers, steps, operations, components, parts and / or combinations thereof.

Ferner können Begriffe, wie z. B. „erster“, „zweiter“ usw. verwendet werden, um verschiedene Elemente zu beschreiben, wobei aber die Elemente nicht durch diese Begriffe eingeschränkt werden sollten. Die Begriffe werden einfach verwendet, um ein Element von anderen Elementen zu unterscheiden. Die Verwendung derartiger Ordnungszahlen sollte nicht als die Bedeutung des Begriffs einschränkend ausgelegt werden. Die Komponenten, die einer derartigen Ordnungszahl zugeordnet sind, sollten nicht in der Reihenfolge der Verwendung, der Anordnungsreihenfolge oder dergleichen eingeschränkt werden. Jede Ordnungszahl kann gegebenenfalls austauschbar verwendet werden.Furthermore, terms such as B. "first", "second" etc. can be used to describe different elements, but the elements should not be limited by these terms. The terms are simply used to distinguish an element from other elements. The use of such ordinal numbers should not be interpreted as restricting the meaning of the term. The components associated with such an atomic number should not be restricted in the order of use, the arrangement order, or the like. Each atomic number can be used interchangeably if necessary.

Ausdrücke, wie z. B. „wenigstens einer von“, wenn sie einer Liste von Elementen vorangehen, modifizieren die gesamte Liste der Elemente und modifizieren nicht die einzelnen Elemente der Liste. Der Ausdruck „wenigstens eines von a, b und c“ sollte z. B. als nur a, nur b, nur c, sowohl a als auch b, sowohl a als auch c, sowohl b als auch c, alle von a, b und c oder irgendwelche Variationen der obenerwähnten Beispiele enthaltend verstanden werden.Expressions such as For example, “at least one of” when preceding a list of items will modify the entire list of items and will not modify the individual items in the list. The expression "at least one of a, b and c" should e.g. B. as only a, only b, only c, both a and b, both a and c, both b and c, all of a, b and c, or containing any variations of the above examples.

Zuerst wird ein analytisches Modell gemäß einer beispielhaften Ausführungsform beschrieben. 1 ist eine graphische Darstellung, die ein Beispiel des Aufteilens einer Entwurfszielkomponente und ihres Umfangs in mehrere Zellen gemäß einer beispielhaften Ausführungsform veranschaulicht. 2 ist eine graphische Darstellung zum Erklären eines analytischen Modells gemäß einer beispielhaften Ausführungsform. 3 ist eine graphische Darstellung zum Erklären der vorhergesagten Daten des analytischen Modells gemäß einer beispielhaften Ausführungsform.First, an analytical model according to an exemplary embodiment is described. 1 12 is a graph illustrating an example of dividing a design target component and its extent into multiple cells according to an exemplary embodiment. 2 FIG. 14 is a graphical illustration for explaining an analytical model according to an example embodiment. 3 10 is a graphical representation for explaining the predicted data of the analytical model according to an example embodiment.

In 1 kann eine Strömungsanalyse ausgeführt werden, um eine Komponente CP, z. B. eine Komponente, wie z. B. eine Schaufel einer Turbine, zu entwerfen. Diese Analyse dient dem Aufteilen eines Bereichs um die Komponente CP in mehrere Zellen CE und dem Ableiten der physikalischen Eigenschaften jeder der mehreren Zellen CE gemäß einer Randbedingung der mehreren aufgeteilten Zellen CE. Die Analyse kann z. B. eine rechnerische Fluidanalyse, eine strukturelle Analyse und eine elektromagnetische Analyse sein. Die Analyse kann durch die numerische Analyse durch eine Berechnungsoperation ausgeführt werden.In 1 a flow analysis can be performed to find a component CP, e.g. B. a component such. B. To design a blade of a turbine. This analysis is used to split an area around the component CP into multiple cells CE and deriving the physical properties of each of the plurality of cells CE according to a boundary condition of the multiple divided cells CE , The analysis can e.g. B. be a computational fluid analysis, a structural analysis and an electromagnetic analysis. The analysis can be carried out by the numerical analysis by a calculation operation.

In 2 kann die numerische Analyse durch die numerische Strömungsmechanik (CFD) für die Analyse ausgeführt werden. Für die numerische Analyse gemäß der numerischen Strömungsmechanik wird der Umfang der Komponente CP in mehrere Zellen CE aufgeteilt. Dann wird eine nichtlineare partielle Differentialgleichung für die mehreren Zellen CE aufgestellt. Dann kann eine Näherungslösung der partiellen Differentialgleichung, z. B. durch ein Gaußsches Eliminierungsverfahren, erhalten werden.In 2 the numerical analysis can be performed by the numerical fluid mechanics (CFD) for the analysis. For the numerical analysis according to the numerical fluid mechanics, the scope of the component CP into multiple cells CE divided up. Then a nonlinear partial Differential equation for the multiple cells CE established. Then an approximate solution to the partial differential equation, e.g. B. be obtained by a Gaussian elimination method.

In einer graphischen Darstellung nach 3 wird die numerische Analyse aufgrund der Eigenschaften des Fluids durch mehrere Iterationen ausgeführt. Konzeptionell ist der Ergebniswert der numerischen Analyse der vorgegebenen Anzahl in der Anfangsstufe aufgrund der Eigenschaften des Fluids nicht stationär, wobei er nur nach dem Ausführen mehrerer Iterationen ein stationärer Zustand wird. Deshalb wird die numerische Analyse durch die numerische Strömungsmechanik durch mehrere Iterationen ausgeführt, bis das Fluid um die Komponente in einen Sättigungszustand gelangt. Das heißt, die Analyse dient dem Erhalten eines Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat. Die numerische Analyse zum Erhalten der Näherungslösung der partiellen Differentialgleichung ist zeitaufwendig, weil durch die Berechnungsoperation keine Parallelverarbeitung ausgeführt werden kann.In a graphical representation 3 the numerical analysis is performed due to the properties of the fluid through multiple iterations. Conceptually, the result value of the numerical analysis of the predetermined number in the initial stage is not stationary due to the properties of the fluid, whereby it only becomes a steady state after performing several iterations. Therefore, numerical fluid mechanics perform the numerical analysis through several iterations until the fluid around the component becomes saturated. That is, the analysis is used to obtain an output of the numerical analysis that has performed multiple iterations. The numerical analysis for obtaining the approximate solution of the partial differential equation is time-consuming because the computing operation cannot perform parallel processing.

Deshalb wird gemäß einer oder mehreren beispielhaften Ausführungsformen ein analytisches Modell erzeugt, um ein Ausgangssignal, das das Ergebnis der numerischen Analyse ist, die mehrere Iterationen ausgeführt hat, unter Verwendung der analytischen Daten, die mehrere Eingangssignale, die für die numerische Analyse für den Komponentenentwurf verwendet werden, und mehrere Ausgangssignale, die den mehreren Eingangssignalen entsprechen, enthalten, abzuleiten. Das heißt, das erzeugte analytische Modell simuliert das Ergebnis der numerischen Analyse, die mehrere Iterationen ausgeführt hat. Deshalb ist es möglich, den Zeitraum zu verringern, der zum Erhalten der Näherungslösung der partiellen Differentialgleichung erforderlich ist, wobei dadurch die Analysezeit verkürzt wird. Deshalb ist es möglich, die Zeit zum Entwerfen der Komponente zu verkürzen.Therefore, according to one or more exemplary embodiments, an analytical model is generated to an output signal that is the result of the numerical analysis that has performed multiple iterations using the analytical data that has multiple input signals that are used for the numerical analysis for component design and derive multiple output signals corresponding to the multiple input signals. That is, the analytical model created simulates the result of the numerical analysis that has performed multiple iterations. Therefore, it is possible to reduce the time required to obtain the partial differential equation approximation, thereby shortening the analysis time. Therefore, it is possible to shorten the time to design the component.

Das analytische Modell gemäß einer beispielhaften Ausführungsform kann wenigstens eines eines parametrischen Modells, das ein Übertragungsfunktionsmodell und ein Zustandsraummodell enthält, und eines nichtparametrischen Modells enthalten. Tabelle 1 im Folgenden veranschaulicht Beispiele des parametrischen Modells und des nichtparametrischen Modells. Tabelle 1 parametrisches Model Übertragungsfunktion Gleichungsfehler autoregressiv exogen (ARX) nichtlinear autoregressiv exogen (NARX) endliche Impulsantwort (FIR) autoregressiv mit gleitendem Mittelwert exogen (ARMAX): pseudolineares Regressionsmodell autoregressiv (AR) autoregressiv mit gleitendem Mittelwert (ARMA) autoregressiv autoregressiv exogen (ARARX): verallgemeinertes Modell kleinster Quadrate autoregressiv autoregressiv mit gleitendem Mittelwert exogen (ARARMAX): erweitertes Matrixmodell Ausgangsfehler Ausgangsfehler (OE) Box und Jenkins (BJ) Zustandsraum linear zeitinvariant (LTI), linear zeitveränderlich (LTV) lineares Modell, nichtlineares Modell kontinuierliche Zeit, diskrete Zeit, Verzögerungszeit Eingrößensystem (SISO), Mehrgrößensystem (MIMO) stochastisches Modell, deterministisches Modell robust, offener Regelkreis, geschlossener Regelkreis nichtparametrisches Modell nichtparametrisch (Datensatztyp) Impulsantwort Sprungantwort Frequenzübertragungsfunktion Baum neuronales Netz (NN): FF, FB, radiale Basisfunktion, faltend, gepulst, tiefes NN (tiefes bayessches Netz), rekurrentes NN The analytical model according to an example embodiment may include at least one of a parametric model that includes a transfer function model and a state space model and a nonparametric model. Table 1 below illustrates examples of the parametric model and the nonparametric model. Table 1 parametric model transfer function equation error autoregressive exogenous (ARX) nonlinear autoregressive exogenous (NARX) finite impulse response (FIR) autoregressive with moving average exogenous (ARMAX): pseudo-linear regression model autoregressive (AR) autoregressive with moving average (ARMA) autoregressive autoregressive exogenous (ARARX): generalized model of least squares autoregressive autoregressive with moving average exogenous (ARARMAX): extended matrix model output error Output error (OE) Box and Jenkins (BJ) state space linear time invariant (LTI), linear time variable (LTV) linear model, non-linear model continuous time, discrete time, delay time One size system (SISO), multi size system (MIMO) stochastic model, deterministic model robust, open control loop, closed control loop nonparametric model nonparametric (data record type) impulse response Step response Frequency transfer function tree neural network (NN): FF, FB, radial basis function, folding, pulsed, deep NN (deep Bayesian network), recurrent NN

Zusätzlich kann das analytische Modell unter Verwendung wenigstens eines der in Tabelle 2 im Folgenden aufgelisteten Optimierungsalgorithmen abgeleitet werden. Tabelle 2 parametrisches Modell Vorhersagefehlerverfahren (PEM) Verfahren der maximalen Wahrscheinlichkeit (MLM) Verfahren der kleinsten Quadrate (LSM) - diskontinuierliches Verfahren der kleinsten Quadrate - Offline-Verfahren der kleinsten Quadrate erweitertes Verfahren der kleinsten Quadrate (ELSM) verallgemeinertes Verfahren der kleinsten Quadrate (GLSM) rekursives Verfahren der kleinsten Quadrate (RLS) Verfahren der Instrumentvariable (IVM) Hauptkomponentenanalyse (PCA) dynamische Hauptkomponentenanalyse (DPCA) teilweise kleinste Quadrate (PLS) unterraumbasiertes Zustandsraummodell Identifikations- (4SID-) Verfahren (+ Singulärwertzerlegung (SVD)) (+ QR-Zerlegung) - N4SID-Verfahren - Mehrvariable-Ausgangsfehler-Zustandsraum- (MOESP-) Verfahren Analyse kanonischer Zufallsvariable (CVA) Singulärwertzerlegung Verfahren der minimalen Verwirklichung (MRM) nichtparametrisches Modell Einschwingverhaltensverfahren Korrelationsanalyse Frequenzgangverfahren Spektralanalyseverfahren Verfahren der empirischen Schätzung der Übertragungsfunktion (ETFE) Lernen des einlagigen/mehrlagigen Perzeptrons, Backpropagation, Gradientenverfahren schichtenweises Vortraining: Auto-Codierer, Bolzmann-Maschine In addition, the analytical model can be derived using at least one of the optimization algorithms listed in Table 2 below. Table 2 parametric model Prediction Error Procedure (PEM) Maximum Probability Procedure (MLM) Least Squares Method (LSM) - discontinuous least squares - Offline least squares method Extended Least Squares Method (ELSM) generalized least squares method (GLSM) Recursive Least Squares (RLS) Instrument variable (IVM) procedure Principal Component Analysis (PCA) dynamic principal component analysis (DPCA) sometimes smallest squares (PLS) subspace-based state space model Identification (4SID) procedure (+ Singular value decomposition (SVD)) (+ QR decomposition) - N4SID procedure - Multi-variable output error state space (MOESP) method Analysis of Canonical Random Variables (CVA) Singular Value Decomposition Minimal Realization Procedure (MRM) nonparametric model Einschwingverhaltensverfahren correlation analysis Frequency response methods spectral analysis Method of empirical estimation of the transfer function (ETFE) Learning the single-layer / multi-layer perceptron, back propagation, gradient method Pre-training in layers: Auto-encoder, Bolzmann machine

Insbesondere kann zurück in 1 das analytische Modell gemäß einer beispielhaften Ausführungsform ein Modell zum Simulieren der numerischen Analyse für jede der mehreren Zellen CE, ein Modell zum Simulieren der numerischen Analyse für eine Zellengruppe, die eine vorgegebene Anzahl von einander benachbarten Zellen CE enthält, ein Modell zum Simulieren der numerischen Analyse für eine Zellengruppe, die Zellen mit zueinander ähnlichen Eigenschaften enthält, oder ein Modell zum Simulieren der numerischen Analyse für alle der mehreren Zellen CE sein, wobei der Umfang der Entwurfszielkomponente CP in die mehreren Zellen CE aufgeteilt ist.In particular, can go back in 1 the analytical model, according to an exemplary embodiment, a model for simulating the numerical analysis for each of the multiple cells CE , a model for simulating numerical analysis for a group of cells that have a given number of adjacent cells CE includes, a model for simulating numerical analysis for a group of cells containing cells with similar properties, or a model for simulating numerical analysis for all of the multiple cells CE be the scope of the design target component CP into the multiple cells CE is divided.

Als Nächstes wird eine Analysevorrichtung gemäß einer beispielhaften Ausführungsform beschrieben. Die 4 und 5 sind Blockschaltpläne zum Erklären einer Konfiguration einer Analysevorrichtung gemäß einer beispielhaften Ausführungsform. In 4 kann eine Analysevorrichtung 10 gemäß einer beispielhaften Ausführungsform eine Modellableitungsvorrichtung 100, einen Modellanalysator 200 und einen Optimierer 300 enthalten. Next, an analysis device according to an exemplary embodiment will be described. The 4 and 5 14 are block diagrams for explaining a configuration of an analysis device according to an exemplary embodiment. In 4 can be an analyzer 10 according to an exemplary embodiment, a model derivation device 100 , a model analyzer 200 and an optimizer 300 contain.

Die Modellableitungsvorrichtung 100 erzeugt ein analytisches Modell zum Vorhersagen des Ergebnisses der numerischen Analyse, die mehrere Iterationen ausgeführt hat, für die Komponenten unter Verwendung der analytischen Daten, die mehrere Eingangssignale, die für die numerische Analyse für die Komponente verwendet werden, und mehrere Ausgangssignale, die den mehreren Eingangssignalen entsprechen, enthalten. Das analytische Modell simuliert das Ergebnis der numerischen Analyse, die mehrere Iterationen ausgeführt hat. Wie oben beschrieben worden ist, kann das analytische Modell aus mehreren Modellen bestehen und kann wenigstens eines eines parametrischen Modells und eines nichtparametrischen Modells enthalten.The model deriving device 100 generates an analytical model for predicting the result of the numerical analysis that has performed multiple iterations for the components using the analytical data that has multiple input signals that are used for the numerical analysis for the component and multiple output signals that are the multiple input signals correspond, included. The analytical model simulates the result of the numerical analysis that has performed multiple iterations. As described above, the analytical model can consist of several models and can include at least one of a parametric model and a nonparametric model.

Die Modellableitungsvorrichtung 100 kann einen Speicher 110 für analytische Daten, einen Vorprozessor 120, einen Datenanalysator 130 und eine Ableitungsvorrichtung 140 für analytische Modelle enthalten.The model deriving device 100 can a memory 110 for analytical data, a preprocessor 120 , a data analyzer 130 and a drain device 140 included for analytical models.

Der Speicher 110 für analytische Daten speichert analytische Daten. Die analytischen Daten können die Daten sein, die für die numerische Analyse für mehrere Zellen CE verwendet werden, die den Bereich um die Komponente CP aufteilen. Die analytischen Daten enthalten mehrere Eingangssignale und mehrere Ausgangssignale, die den mehreren Eingangssignalen entsprechen. Das Eingangssignal kann z. B. die Viskosität einer laminaren Strömung des Fluids, eine turbulente Leitung, ein Zeitunterschied zwischen den numerischen Analysen, die mehrere Iterationen ausgeführt haben, usw. in jeder Zelle CE sein. Das Ausgangssignal kann die Eigenschaften des Fluids sein. Das Ausgangssignal kann z. B. eine Dichte, ein Impuls in der x- und der y-Richtung, eine innere Energie usw. in jeder Zelle CE sein.The memory 110 for analytical data stores analytical data. The analytical data can be the data required for numerical analysis for multiple cells CE be used covering the area around the component CP split. The analytical data contains multiple input signals and multiple output signals that correspond to the multiple input signals. The input signal can e.g. For example, the viscosity of a laminar flow of fluid, turbulent conduction, a time difference between the numerical analyzes that have performed multiple iterations, etc. in each cell CE his. The output signal can be the properties of the fluid. The output signal can e.g. B. a density, an impulse in the x and y directions, an internal energy, etc. in each cell CE his.

Der Vorprozessor 120 führt die Vorverarbeitung zum Korrigieren oder Entfernen von Lerndaten gemäß einer vorgegebenen Bedingung aus. Die Vorverarbeitung für die Lerndaten bedeutet das Entfernen leerer Daten in der Mitte, fehlerhafter Daten usw. unter den Lerndaten oder bedeutet, sie in richtige numerische Werte umzusetzen und nur die Lerndaten auszuwählen, die einer vorgegebenen Anforderung entsprechen. Der Vorprozessor 120 führt die Vorverarbeitung durch das Korrigieren oder Entfernen der Lerndaten gemäß einer vorgegebenen Bedingung aus.The preprocessor 120 performs preprocessing to correct or remove learning data according to a predetermined condition. The preprocessing for the learning data means removing blank data in the middle, erroneous data, etc. from the learning data or means converting it into correct numerical values and selecting only the learning data that meet a given requirement. The preprocessor 120 performs preprocessing by correcting or removing the learning data according to a predetermined condition.

Der Datenanalysator 130 leitet die Beziehung zwischen den Zellen und die Beziehung zwischen den Daten in der Zelle durch das Analysieren der Lerndaten ab. Das heißt, der Datenanalysator 130 leitet die Beziehung zwischen den Zellen CE und die Beziehung zwischen den Daten in der Zelle CE durch das Analysieren der Entwurfsspezifikation und der Entwurfsbedingung, der Beziehung zwischen den Zellen CE und der Daten für jede Zelle ab.The data analyzer 130 derives the relationship between the cells and the relationship between the data in the cell by analyzing the learning data. That is, the data analyzer 130 guides the relationship between the cells CE and the relationship between the data in the cell CE by analyzing the design specification and condition, the relationship between the cells CE and the data for each cell.

Die Ableitungsvorrichtung 140 für analytische Modelle leitet das analytische Modell zum Vorhersagen eines Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, unter Verwendung der analytischen Daten ab, die die mehreren Eingangssignale, die für die numerische Analyse verwendet werden, und die mehreren Ausgangssignale, die den mehreren Eingangssignalen entsprechen, enthalten. Das analytische Modell simuliert die numerische Analyse, die mehrere Iterationen ausgeführt hat.The drain device 140 for analytical models, the analytical model for predicting an output signal of the numerical analysis that has performed multiple iterations derives using the analytical data that the multiple input signals used for the numerical analysis and the multiple output signals that the multiple input signals correspond, included. The analytical model simulates the numerical analysis that has performed multiple iterations.

Die Ableitungsvorrichtung 140 für analytische Modelle bildet eine Beziehungsgleichung des analytischen Modells, wo die Parameter nicht bestimmt sind, und leitet die Parameter durch einen Optimierungsalgorithmus durch das Setzen der analytischen Daten in die Beziehungsgleichung ab. Deshalb kann die Ableitungsvorrichtung 140 für analytische Modelle das analytische Modell durch das Anwenden der abgeleiteten Parameter auf die Beziehungsgleichung des analytischen Modells erzeugen. Die Ableitungsvorrichtung 140 für analytische Modelle kann z. B. die Beziehungsgleichung des analytischen Modells bilden, wo die Parameter zum Bestimmen der Beziehung zwischen dem Eingangssignal und dem Ausgangssignal der numerischen Analyse, die mehrere Iterationen ausgeführt hat, unbekannt sind, und die Parameter durch das Lernen der mehreren analytischen Daten für die gebildete Beziehungsgleichung ableiten. Im Ergebnis kann die Ableitungsvorrichtung 140 für analytische Modelle das analytische Modell ableiten.The drain device 140 for analytical models forms a relationship equation of the analytical model, where the parameters are not determined, and derives the parameters by an optimization algorithm by setting the analytical data in the relationship equation. Therefore, the drain device 140 for analytical models, generate the analytical model by applying the derived parameters to the relationship equation of the analytical model. The drain device 140 for analytical models, e.g. B. form the relationship equation of the analytical model where the parameters for determining the relationship between the input signal and the output signal of the numerical analysis that has performed multiple iterations are unknown and derive the parameters by learning the multiple analytical data for the relationship equation formed , As a result, the drain device 140 derive the analytical model for analytical models.

Der Modellanalysator 200 führt die Analyse für die mehreren Zellen CE, die den Raum um die Entwurfszielkomponente CP aufteilen, unter Verwendung des von der Modellableitungsvorrichtung 100 abgeleiteten analytischen Modells aus. Der Modellanalysator 200 kann einen numerischen Analysator 210 und einen Analysator 220 enthalten.The model analyzer 200 performs the analysis for the multiple cells CE that the space around the design target component CP split, using that from the model derivation device 100 derived analytical model. The model analyzer 200 can be a numerical analyzer 210 and an analyzer 220 contain.

Der numerische Analysator 210 führt die numerische Analyse für die mehreren Zellen aus, die den Raum um die Entwurfszielkomponente aufteilen. Deshalb werden das Eingangssignal für die numerische Analyse und das Ausgangssignal, das dem Eingangssignal entspricht, abgeleitet. In 3 wird in dem herkömmlichen Fall die numerische Analyse durch mehrere (k + T) Iterationen ausgeführt, um ein gewünschtes Ergebnis zu erhalten, wobei aber in der vorliegenden Offenbarung die numerische Analyse nur in der vorgegebenen Anzahl k ausgeführt wird. The numerical analyzer 210 performs numerical analysis on the multiple cells that split the space around the design target component. Therefore, the input signal for numerical analysis and the output signal corresponding to the input signal are derived. In 3 in the conventional case, the numerical analysis is performed through multiple (k + T) iterations to obtain a desired result, but in the present disclosure, the numerical analysis is only performed in the predetermined number k.

Der Analysator 220 sagt das Ausgangssignal der numerischen Analyse, die mehrere (k + T) Iterationen ausgeführt hat, durch das Eingeben der von dem numerischen Analysator 210 abgeleiteten analytischen Daten in das durch die Ableitungsvorrichtung 140 für analytische Modelle erzeugte analytische Modell vorher. In 3 kann ein gewünschtes Ausgangssignal Y(k + T) nur erhalten werden, nachdem die numerische Analyse durch mehrere (k + T) Iterationen ausgeführt worden ist. Weil das Ausgangssignal Y(k + T), das das Ergebnis der numerischen Analyse ist, die mehrere (k + T) Iterationen des analytischen Modells ausgeführt hat, gemäß einer beispielhaften Ausführungsform aus der k-ten numerischen Analyse des numerischen Analysators 210 erhalten werden kann, ist es nicht erforderlich, mehrere T Iterationen der numerischen Analyse auszuführen, so dass es möglich ist, den für die Analyse erforderlichen Zeitraum um den Zeitraum, in dem mehrere T Iterationen der numerischen Analyse ausgeführt werden, zu verkürzen. Deshalb ist es möglich, die Zeit zu verkürzen, die zum Entwickeln der Komponente erforderlich ist.The analyzer 220 says the output of the numerical analysis that has performed multiple (k + T) iterations by entering that from the numerical analyzer 210 derived analytical data into that by the derivation device 140 previously created analytical models for analytical models. In 3 a desired output signal Y (k + T) can only be obtained after the numerical analysis has been carried out by several (k + T) iterations. Because the output signal Y (k + T), which is the result of the numerical analysis that has performed multiple (k + T) iterations of the analytical model, according to an exemplary embodiment from the kth numerical analysis of the numerical analyzer 210 can be obtained, it is not necessary to perform multiple T iterations of the numerical analysis, so it is possible to shorten the time required for the analysis by the period in which multiple T iterations of the numerical analysis are performed. Therefore, it is possible to shorten the time required to develop the component.

Ein Optimierer 300 dient dem Optimieren des von dem Modellanalysator 200 abgeleiteten Analyseergebnisses. Das Analyseergebnis konvergiert gegen einen spezifischen Wert, wenn die Iteration der numerischen Analyse ausgeführt wird. Deshalb ist es möglich, das durch den Modellanalysator 200 vorhergesagte Ergebnis (d. h., die mehreren Ausgangssignale) durch den Optimierer 300 zu optimieren. In 5 kann der Optimierer 300 ein Filter 310, einen primären Optimierer 320 und einen sekundären Optimierer 330 enthalten.An optimizer 300 is used to optimize that of the model analyzer 200 derived analysis result. The analysis result converges to a specific value when the iteration of the numerical analysis is performed. Therefore it is possible to do this through the model analyzer 200 predicted result (ie, the multiple output signals) by the optimizer 300 to optimize. In 5 can the optimizer 300 a filter 310 , a primary optimizer 320 and a secondary optimizer 330 contain.

Das Filter 310 dient dem Entfernen des Rauschens aus dem von dem Modellanalysator 200 abgeleiteten Ausgangssignal. Das Filter 310 kann eine Filtertechnik verwenden, um das Rauschen zu entfernen. Hier kann das Filter z. B. wenigstens eines eines Mittelungsfilters, eines Filters mit gleitendem Mittelwert, eines Tiefpassfilters, wie z. B. eines Filters mit exponentiell gewichteten gleitendem Mittelwert, eines Hochpassfilters, eines Bandpassfilters und eines Kalman-Filters sein.The filter 310 is used to remove the noise from that of the model analyzer 200 derived output signal. The filter 310 can use a filter technique to remove the noise. Here the filter z. B. at least one of an averaging filter, a filter with a moving average, a low-pass filter, such as. B. a filter with an exponentially weighted moving average, a high pass filter, a band pass filter and a Kalman filter.

Der primäre Optimierer 320 dient dem primären Optimieren des Ausgangssignals, das das Ergebnis der Analyse des Modellanalysators 200 ist. Der primäre Optimierer 320 gibt einen Wert der primären Optimierung durch eine primäre Optimierungsoperation für die mehreren Ausgangssignale aus, die die Ausgaben des Modellanalysators 200 sind. Der primäre Optimierer 320 gibt z. B. die primären Optimierungsdaten durch das Berechnen des Durchschnitts der vorgegebenen Anzahl von Ausgangssignalen unter den mehreren Ausgangssignalen aus.The primary optimizer 320 serves the primary optimization of the output signal, which is the result of the analysis of the model analyzer 200 is. The primary optimizer 320 outputs a value of primary optimization through a primary optimization operation for the multiple outputs that are the outputs of the model analyzer 200 are. The primary optimizer 320 z. B. from the primary optimization data by calculating the average of the predetermined number of output signals among the plurality of output signals.

Der sekundäre Optimierer 330 dient dem sekundären Optimieren des durch den primären Optimierer 320 primär optimierten Ergebnisses. Der sekundäre Optimierer 330 gibt einen Wert der sekundären Optimierung durch eine sekundäre Optimierungsoperation für die mehreren primären Optimierungsdaten, die die Ausgaben des primären Optimierers 320 sind, aus. Der sekundäre Optimierer 330 gibt z. B. die optimalen Daten durch das Berechnen des Durchschnitts der vorgegebenen Anzahl der primären Optimierungsdaten unter den mehreren primären Optimierungsdaten aus.The secondary optimizer 330 is used for secondary optimization by the primary optimizer 320 primarily optimized result. The secondary optimizer 330 returns a value of secondary optimization through a secondary optimization operation for the multiple primary optimization data that is the output of the primary optimizer 320 are made. The secondary optimizer 330 z. B. from the optimal data by calculating the average of the predetermined number of primary optimization data among the plurality of primary optimization data.

Unterdessen werden die optimalen Daten abermals zu dem numerischen Analysator 210 rückgekoppelt, wobei der numerische Analysator 210 die numerische Analyse basierend auf den optimalen Daten abermals ausführt, wobei der Analysator 220 ein Ausgangssignal der numerischen Analyse, die mehrere Iterationen ausgeführt hat, gemäß dem analytischen Modell vorhersagen kann. Diese Prozedur wird iteriert, bis das durch den Analysator 220 vorhergesagte Ausgangssignal innerhalb eines vorgegebenen Bereichs konvergiert.Meanwhile, the optimal data becomes the numerical analyzer again 210 fed back using the numerical analyzer 210 reruns the numerical analysis based on the optimal data, with the analyzer 220 can predict an output of the numerical analysis that has performed multiple iterations according to the analytical model. This procedure is iterated until it is through the analyzer 220 predicted output signal converges within a predetermined range.

Wenn der numerische Analysator 210 die analytischen Daten durch das Iterieren der numerischen Analyse basierend auf den optimalen Daten ausgibt, kann die Ableitungsvorrichtung 140 für analytische Modelle unterdessen das analytische Modell zum Ableiten des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, basierend auf den durch das Iterieren der numerischen Analyse basierend auf den optimalen Daten ausgegebenen analytischen Daten aktualisieren. Dann kann das aktualisierte analytische Modell dem Analysator 220 abermals bereitgestellt werden.If the numerical analyzer 210 The derivation device can output the analytical data by iterating the numerical analysis based on the optimal data 140 for analytical models, meanwhile, update the analytical model to derive the output of the numerical analysis that has performed multiple iterations based on the analytical data output by iterating the numerical analysis based on the optimal data. Then the updated analytical model can be sent to the analyzer 220 be provided again.

Als Nächstes wird ein Analyseverfahren der Analysevorrichtung 10 gemäß einer beispielhaften Ausführungsform beschrieben. 6 ist ein Ablaufplan zum Erklären eines Analyseverfahrens gemäß einer beispielhaften Ausführungsform. Next, an analysis method of the analysis device 10 described according to an exemplary embodiment. 6 10 is a flowchart for explaining an analysis method according to an exemplary embodiment.

In 6 erzeugt die Modellableitungsvorrichtung 100 das analytische Modell zum Ausführen der numerischen Analyse für die mehreren Zellen CE, die den Raum um die Zielkomponente CP aufteilen, unter Verwendung der analytischen Daten (Operation S110). Hier enthalten die analytischen Daten mehrere Eingangssignale, die für die numerische Analyse, die mehrere Iterationen ausgeführt hat, verwendet werden, und mehrere Ausgangssignale, die den mehreren Eingangssignalen entsprechen. Das heißt, das analytische Modell simuliert das Ergebnis der numerischen Analyse, die mehrere Iterationen ausgeführt hat, rechnerisch.In 6 creates the model deriving device 100 the analytical model for performing the numerical analysis on the multiple cells CE that the space around the target component CP split, using the analytical data (operation S110 ). Here, the analytical data includes multiple input signals that are used for the numerical analysis that has performed multiple iterations and multiple output signals that correspond to the multiple input signals. That is, the analytical model mathematically simulates the result of the numerical analysis that has performed multiple iterations.

Der Modellanalysator 200 führt die mehreren Iterationen der numerischen Analyse für die mehreren Zellen CE in dem Raum um die Zielkomponente CP durch das von der Modellableitungsvorrichtung 100 abgeleitete analytische Modell aus (Operation S120).The model analyzer 200 performs the multiple iterations of numerical analysis for the multiple cells CE in the space around the target component CP through that from the model deriving device 100 derived analytical model from (operation S120 ).

Die oben beschriebenen Operationen S110 und S120 werden ausführlicher beschrieben.The operations described above S110 and S120 are described in more detail.

7 ist ein Ablaufplan zum Erklären eines Verfahrens zum Erzeugen eines analytischen Modells (in der Operation S110) gemäß einer beispielhaften Ausführungsform. 7 Fig. 14 is a flowchart for explaining a procedure for generating an analytical model (in the operation S110 ) according to an exemplary embodiment.

In 7 speichert der Speicher 110 für analytische Daten die analytischen Daten, die die mehreren Eingangssignale, die für die numerische Analyse verwendet werden, und die mehreren Ausgangssignale, die jedem der mehreren Eingangssignale entsprechen, enthalten, wobei er die analytischen Daten ausgibt (Operation S210).In 7 saves the memory 110 for analytical data, the analytical data containing the plural input signals used for the numerical analysis and the plural output signals corresponding to each of the plural input signals, and outputs the analytical data (operation S210 ).

Die analytischen Daten werden durch den Vorprozessor 120 vorverarbeitet (Operation S220). Der Vorprozessor 120 entfernt leere Daten in der Mitte, fehlerhafte Daten usw. unter den Lerndaten oder setzt sie in richtige numerische Werte um, wobei er nur die analytischen Daten, die einer vorgegebenen Anforderung entsprechen, auswählt und ausgibt. Der Datenanalysator 130 kann die Beziehung zwischen den Zellen CE und die Beziehung zwischen den Daten in jeder Zelle CE durch das Analysieren der analytischen Daten ableiten (Operation S230). Das heißt, der Datenanalysator 130 leitet die Beziehung zwischen den Zellen CE und die Beziehung zwischen den Daten in jeder Zelle CE durch das Analysieren der Entwurfsspezifikation und der Entwurfsbedingung, der Beziehung zwischen den Zellen CE und der Daten für jede Zelle CE ab. Die oben beschriebenen Operationen S220 und S230 können selektiv weggelassen werden.The analytical data are processed by the preprocessor 120 preprocessed (operation S220 ). The preprocessor 120 removes empty data in the middle, incorrect data etc. from the learning data or converts them into correct numerical values, whereby he only selects and outputs the analytical data that meet a specified requirement. The data analyzer 130 can the relationship between cells CE and the relationship between the data in each cell CE by analyzing the analytical data (operation S230 ). That is, the data analyzer 130 guides the relationship between the cells CE and the relationship between the data in each cell CE by analyzing the design specification and condition, the relationship between the cells CE and the data for each cell CE from. The operations described above S220 and S230 can be selectively omitted.

Die Ableitungsvorrichtung 140 für analytische Modelle bildet die Beziehungsgleichung des analytischen Modells, wo die Parameter zum Bestimmen der Beziehung zwischen dem Eingangssignal und dem Ausgangssignal nicht bestimmt sind, (Operation S240). Das heißt, die Ableitungsvorrichtung 140 für analytische Modelle bildet die Beziehungsgleichung, wo die Parameter zum Bestimmen der Beziehung zwischen dem Eingangssignal und dem Ausgangssignal der numerischen Analyse unbekannt sind. Die Ableitungsvorrichtung 140 für analytische Modelle leitet die Parameter durch den Optimierungsalgorithmus durch das Setzen der analytischen Daten in die Beziehungsgleichung ab (Operation S250). Das heißt, die Ableitungsvorrichtung 140 für analytische Modelle führt das Lernen für die analytischen Daten durch den Optimierungsalgorithmus aus. Dieses Lernen kann z. B. das Kennfeldlemen, das Nicht-Kennfeldlemen usw. sein. Die Ableitungsvorrichtung 140 für analytische Modelle leitet das analytische Modell durch das Anwenden der abgeleiteten Parameter auf die Beziehungsgleichung ab (Operation S260). Dieses analytische Modell sagt das Ausgangssignal der numerischen Analyse, die mehrere Iterationen ausgeführt hat, vorher.The drain device 140 for analytical models, the relationship equation of the analytical model is where the parameters for determining the relationship between the input signal and the output signal are not determined (operation S240 ). That is, the drain device 140 for analytical models forms the relationship equation where the parameters for determining the relationship between the input signal and the output signal of the numerical analysis are unknown. The drain device 140 for analytical models derives the parameters through the optimization algorithm by setting the analytical data in the relationship equation (operation S250 ). That is, the drain device 140 for analytical models, learning for the analytical data is carried out by the optimization algorithm. This learning can e.g. B. be the map element, the non-map element, etc. The drain device 140 for analytical models, the analytical model is derived by applying the derived parameters to the relationship equation (operation S260 ). This analytical model predicts the output of the numerical analysis that has performed multiple iterations.

Als Nächstes wird ein Verfahren zum Ausführen der Analyse unter Verwendung des oben beschriebenen analytischen Modells beschrieben. 8 ist ein Ablaufplan zum Erklären eines Verfahrens zum Ausführen der Analyse gemäß einer beispielhaften Ausführungsform. 9 ist eine graphische Darstellung zum Erklären eines Verfahrens zum Ausführen der Analyse gemäß einer beispielhaften Ausführungsform.Next, a method of performing the analysis using the analytical model described above will be described. 8th FIG. 10 is a flowchart for explaining a method of performing analysis according to an example embodiment. 9 FIG. 12 is a graphical illustration for explaining a method of performing analysis according to an example embodiment.

In den 8 und 9 leitet der numerische Analysator 210 des Modellanalysators 200 die analytischen Daten, die das Eingangssignal und das Ausgangssignal enthalten, durch das Ausführen der numerischen Analyse ab (Operation S310). Wie in 9 gezeigt ist, kann der numerische Analysator 210 z. B. die ersten und die zweiten analytischen Daten (①, ②) ableiten.In the 8th and 9 directs the numerical analyzer 210 of the model analyzer 200 the analytical data containing the input signal and the output signal by performing the numerical analysis (operation S310 ). As in 9 is shown, the numerical analyzer 210 z. B. derive the first and second analytical data (①, ②).

Der Analysator 220 des Modellanalysators 200 sagt das Ausgangssignal (d. h., die vorhergesagten Daten) der numerischen Analyse, die mehrere (k + T) Iterationen ausgeführt hat, durch das Reflektieren der analytischen Daten des numerischen Analysators 210 zu dem analytischen Modell vorher (Operation S320). Der Analysator 220 kann z. B. die Ausgangssignale (d. h., die vorhergesagten Daten) (ⓐ, ⓑ) der numerischen Analyse, die mehrere (k + T) Iterationen ausgeführt hat, von den ersten und den zweiten analytischen Daten (①, ②) vorhersagen.The analyzer 220 of the model analyzer 200 says the output signal (ie, the predicted data) of the numerical analysis that has performed multiple (k + T) iterations by reflecting the analytical data of the numerical analyzer 210 to the analytical model beforehand (operation S320 ). The analyzer 220 can e.g. B. Predict the output signals (ie, the predicted data) (ⓐ, ⓑ) of the numerical analysis that performed multiple (k + T) iterations from the first and second analytical data (①, ②).

Der Optimierer 300 führt die Optimierung für die mehreren Ausgangssignale, die das vorhergesagte Ergebnis sind, aus (Operation S330). Der Durchschnittswert der Ausgangssignale (d. h., der vorhergesagten Daten) (ⓐ, ⓑ) der numerischen Analyse kann z. B. als die Optimierungsdaten abgeleitet werden.The optimizer 300 performs optimization for the multiple output signals that are the predicted result (operation S330 ). The average value of the output signals (ie, the predicted data) (ⓐ, ⓑ) of the numerical analysis can e.g. B. are derived as the optimization data.

Der Optimierer 300 bestimmt, ob die Optimierungsdaten im Ergebnis der Optimierung gegen einen vorgegebenen Bereich konvergiert haben (Operation S340). Falls sie nicht innerhalb des vorgegebenen Bereichs konvergieren, werden die oben beschriebenen Operationen S310 bis S340 iteriert. Falls sie gegen den vorgegebenen Bereich konvergieren, geht der Ablauf zur Operation S350 weiter, um die Analyse zu beenden. Durch das Wiederholen der Operationen S310 bis S340 hat der numerische Analysator 210 z. B. die dritten und die vierten analytischen Daten (③, ④) basierend auf den optimalen Daten des Optimierens der vorhergesagten Daten (ⓐ, ⓑ) abgeleitet, hat der Analysator 220 die Ausgangssignale (d. h., die vorhergesagten Daten) (ⓒ, ⓓ) der numerischen Analyse, die mehrere (k + T) Iterationen ausgeführt hat, von den dritten und den vierten analytischen Daten (③, ④) vorhergesagt und hat der Optimierer 300 den Durchschnitt der vorhergesagten Daten (ⓒ, ⓓ) berechnet. Falls sich zu diesem Zeitpunkt der durch den Optimierer 300 berechnete Wert der Optimierungsdaten innerhalb des vorgegebenen Bereichs befindet, kann die Analyse beendet werden.The optimizer 300 determines whether the optimization data has converged as a result of the optimization against a predetermined area (operation S340 ). If they do not converge within the given range, the operations described above will S310 to S340 iterated. If they converge to the specified area, the flow goes to the operation S350 continue to end the analysis. By repeating the operations S310 to S340 has the numerical analyzer 210 z. B. the third and fourth analytical data (③, ④) derived based on the optimal data of optimizing the predicted data (ⓐ, ⓑ), the analyzer has 220 the output signals (ie, the predicted data) (ⓒ, ⓓ) of the numerical analysis that has performed multiple (k + T) iterations from the third and fourth analytical data (③, ④) are predicted and have the optimizer 300 calculated the average of the predicted data (ⓒ, ⓓ). If at this point the optimizer 300 If the calculated value of the optimization data is within the specified range, the analysis can be ended.

10 ist ein Ablaufplan zum Erklären eines Verfahrens zum Optimieren eines Analyseergebnisses (in der Operation S130) gemäß einer beispielhaften Ausführungsform. 10 is a flowchart for explaining a procedure for optimizing an analysis result (in the operation S130 ) according to an exemplary embodiment.

In 10 entfernt das Filter 310 das Rauschen in jedem der mehreren von dem Strömungsanalysator 200 abgeleiteten Ausgangssignale (Operation S410). Hier kann das Filter z. B. wenigstens eines eines Mittelungsfilters, eines Filters mit gleitendem Mittelwert, eines Tiefpassfilters, wie z. B. eines Filters mit exponentiell gewichteten gleitendem Mittelwert, eines Hochpassfilters, eines Bandpassfilters und eines Kalman-Filters sein.In 10 removes the filter 310 the noise in each of the multiple from the flow analyzer 200 derived output signals (operation S410 ). Here the filter z. B. at least one of an averaging filter, a filter with a moving average, a low-pass filter, such as. B. a filter with an exponentially weighted moving average, a high pass filter, a band pass filter and a Kalman filter.

Der primäre Optimierer 320 gibt die primären Optimierungsdaten durch das primäre Optimieren der mehreren Ausgangssignale, aus denen das Rauschen entfernt worden ist, gemäß einer primären Optimierungsoperation aus (Operation S420). Der primäre Optimierer 320 kann z. B. den Durchschnittswert der vorgegebenen Anzahl von Ausgangssignalen unter den mehreren Ausgangssignalen durch die primäre Optimierungsoperation als die primären Optimierungsdaten ausgeben.The primary optimizer 320 outputs the primary optimization data by primary optimizing the multiple output signals from which the noise has been removed according to a primary optimization operation (operation S420 ). The primary optimizer 320 can e.g. B. output the average value of the predetermined number of output signals among the plurality of output signals by the primary optimization operation as the primary optimization data.

Der sekundäre Optimierer 330 empfängt mehrere primäre Optimierungsdaten von dem primären Optimierer 320 und gibt sekundäre Optimierungsdaten durch das sekundäre Optimieren der mehreren eingegebenen primären Optimierungsdaten aus (Operation S430). Der sekundäre Optimierer 330 kann z. B. den Durchschnittswert der vorgegebenen Anzahl von primären Optimierungsdaten unter den mehreren primären Optimierungsdaten durch die sekundäre Optimierungsoperation als die sekundären Optimierungsdaten ausgeben.The secondary optimizer 330 receives multiple primary optimization data from the primary optimizer 320 and outputs secondary optimization data by the secondary optimization of the multiple input primary optimization data (operation S430 ). The secondary optimizer 330 can e.g. B. output the average value of the predetermined number of primary optimization data among the plurality of primary optimization data by the secondary optimization operation as the secondary optimization data.

11 ist eine graphische Darstellung, die eine Computervorrichtung gemäß einer beispielhaften Ausführungsform veranschaulicht. Eine Computervorrichtung TN100 kann die in der vorliegenden Beschreibung beschriebene Vorrichtung (z. B. die Analysevorrichtung usw.) sein. 11 12 is a graph illustrating a computing device in accordance with an exemplary embodiment. A computing device TN100 may be the device described in the present description (e.g. the analyzer, etc.).

In 11 kann die Computervorrichtung TN100 wenigstens einen Prozessor TN110, einen Sender/Empfänger TN120 und einen Speicher TN130 enthalten. Zusätzlich kann die Computervorrichtung TN100 ferner eine Speichervorrichtung TN140, eine Eingangsschnittstelle TN150 und eine Ausgangsschnittstelle TN160 enthalten. Die in der Computervorrichtung TN100 enthaltenen Komponenten können durch einen Bus TN170 verbunden sein und miteinander kommunizieren.In 11 can the computing device TN100 at least one processor TN110 , a transmitter / receiver TN120 and a memory TN130 contain. In addition, the computing device TN100 a storage device TN140 , an input interface TN150 and an output interface TN160 contain. The one in the computing device TN100 contained components can be through a bus TN170 be connected and communicate with each other.

Der Prozessor TN110 kann einen Programmbefehl ausführen, der in wenigstens einem des Speichers TN130 und der Speichervorrichtung TN140 gespeichert ist. Der Prozessor TN110 kann eine Zentraleinheit (CPU), eine Graphikverarbeitungseinheit (GPU) oder einen dedizierten Prozessor, in dem die Verfahren gemäß einer beispielhaften Ausführungsform ausgeführt werden, enthalten. Der Prozessor TN110 kann konfiguriert sein, um die Prozeduren, Funktionen, Verfahren usw., die im Zusammenhang mit einer beispielhaften Ausführungsform beschrieben sind, zu implementieren. Der Prozessor TN110 kann jede Komponente der Computervorrichtung TN100 steuern.The processor TN110 can execute a program instruction stored in at least one of the memory TN130 and the storage device TN140 is saved. The processor TN110 may include a central processing unit (CPU), a graphics processing unit (GPU) or a dedicated processor in which the methods are carried out according to an exemplary embodiment. The processor TN110 may be configured to implement the procedures, functions, methods, etc. described in connection with an exemplary embodiment. The processor TN110 can be any component of the computing device TN100 Taxes.

Sowohl der Speicher TN130 als auch die Speichervorrichtung TN140 können verschiedene Informationen speichern, die auf eine Operation des Prozessors TN110 bezogen sind. Sowohl der Speicher TN130 als auch die Speichervorrichtung TN140 können aus wenigstens einem flüchtigen Speichermedium und einem nichtflüchtigen Speichermedium bestehen. Der Speicher TN130 kann z. B. aus wenigstens einem von einem Festwertspeicher (ROM) und einem Schreib-Lese-Speicher (RAM) bestehen.Both the store TN130 as well as the storage device TN140 can store various information related to an operation of the processor TN110 are related. Both the store TN130 as well as the storage device TN140 can consist of at least one volatile storage medium and one non-volatile storage medium. The memory TN130 can e.g. B. consist of at least one of a read-only memory (ROM) and a read-write memory (RAM).

Der Sender/Empfänger TN120 kann ein verdrahtetes Signal oder ein drahtloses Signal senden und/oder empfangen. Der Sender/Empfänger TN 120 kann mit einem Netz verbunden sein, um eine Kommunikation auszuführen.The transmitter / receiver TN120 can send and / or receive a wired signal or a wireless signal. The transmitter / receiver TN 120 can be connected to a network to carry out communication.

Unterdessen können verschiedene Verfahren gemäß einer oben beschriebenen beispielhaften Ausführungsform in der Form eines durch verschiedene Computermittel lesbaren Programms implementiert und in einem computerlesbaren Aufzeichnungsmedium aufgezeichnet sein. Hier kann das Aufzeichnungsmedium Programmbefehle, Datendateien, Datenstrukturen usw. allein oder in einer Kombination daraus enthalten. Die Programmbefehle, die in dem Aufzeichnungsmedium aufzuzeichnen sind, können jene sein, die für die vorliegende Offenbarung speziell entworfen und konstruiert worden sind, oder können außerdem jene sein, die den Fachleuten auf dem Gebiet der Computer-Software bekannt und für die Fachleute auf dem Gebiet der Computer-Software verfügbar sind. Das Aufzeichnungsmedium kann z. B. aus Magnetmedien, wie z. B. Festplatten, Disketten und Magnetbändern, optischen Medien, wie z. B. CD-ROMs und DVDs, magnetooptischen Medien, wie z. B. optisch gesteuerten Disketten, und Hardware-Vorrichtungen, die spezifisch konfiguriert sind, um Programmbefehle zu speichern und auszuführen, wie z. B. ROMs, RAMs und Flash-Speichern, bestehen. Beispiele der Programmbefehle können nicht nur Drähte in einer Maschinensprache, wie z. B. jene, die durch einen Kompilierer erzeugt werden, sondern außerdem Drähte in einer höheren Programmiersprache, die durch einen Computer unter Verwendung eines Interpreters ausgeführt werden können, usw. enthalten. Diese Hardware-Vorrichtung kann konfiguriert sein, um als ein oder mehrere Software-Module zu arbeiten, um den Betrieb der vorliegenden Offenbarung auszuführen, und umgekehrt.Meanwhile, various methods according to an exemplary embodiment described above can be implemented in the form of a program readable by various computer means and recorded in a computer readable recording medium. Here, the recording medium can contain program instructions, data files, data structures, etc., alone or in a combination thereof. The program instructions to be recorded in the recording medium may be those specially designed and constructed for the present disclosure, or may also be those known to those skilled in the computer software art and to those skilled in the art computer software are available. The recording medium can e.g. B. from magnetic media such. B. hard drives, floppy disks and magnetic tapes, optical media, such as. B. CD-ROMs and DVDs, magneto-optical media such. As optically controlled floppy disks, and hardware devices that are specifically configured to store and execute program instructions, such as. B. ROMs, RAMs and flash memories exist. Examples of the program instructions can not only be wires in a machine language, such as. B. those generated by a compiler, but also include wires in a higher programming language that can be executed by a computer using an interpreter, etc. This hardware device may be configured to operate as one or more software modules to perform the operation of the present disclosure, and vice versa.

Während bezüglich der beigefügten Zeichnungen eine oder mehrere beispielhafte Ausführungsformen beschrieben worden sind, ist es für die Fachleute auf dem Gebiet selbstverständlich, dass verschiedene Modifikationen und Änderungen in der Form und den Einzelheiten darin vorgenommen werden können, ohne vom Schutzumfang abzuweichen, wie er durch die beigefügten Ansprüche definiert ist. Deshalb sollte die Beschreibung der beispielhaften Ausführungsformen nur in einem beschreibenden Sinn und nicht, um den Schutzumfang der Ansprüche einzuschränken, ausgelegt werden, wobei viele Alternativen, Modifikationen und Variationen für die Fachleute auf dem Gebiet offensichtlich sind.While one or more exemplary embodiments have been described with reference to the accompanying drawings, it will be understood by those skilled in the art that various modifications and changes in form and detail may be made therein without departing from the scope as defined by the accompanying drawings Claims is defined. Therefore, the description of the exemplary embodiments should be interpreted only in a descriptive sense and not to limit the scope of the claims, with many alternatives, modifications and variations obvious to those skilled in the art.

Claims (15)

Analysevorrichtung, die umfasst: eine Modellableitungsvorrichtung (100), die konfiguriert ist, um ein analytisches Modell zum Vorhersagen eines Ergebnisses einer numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Komponente unter Verwendung mehrerer analytischer Daten, die für die numerische Analyse für die Komponente verwendet werden, zu erzeugen; und einen Modellanalysator (200), der konfiguriert ist, um das Ergebnis der numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Entwurfszielkomponente unter Verwendung des analytischen Modells vorherzusagen.Analysis device comprising: a model deriving device (100) configured to generate an analytical model for predicting a result of a numerical analysis that has performed multiple iterations for a component using a plurality of analytical data used for the numerical analysis for the component ; and a model analyzer (200) configured to predict the result of the numerical analysis that has performed multiple iterations for a design target component using the analytical model. Analysevorrichtung nach Anspruch 1, wobei die Modellableitungsvorrichtung (100) umfasst: einen Speicher (110) für analytische Daten, der konfiguriert ist, um die analytischen Daten zu speichern, die mehrere Eingangssignale, die für die numerische Analyse verwendet werden, und mehrere Ausgangssignale, die jedem der mehreren Eingangssignale entsprechen, umfassen; und eine Ableitungsvorrichtung (140) für analytische Modelle, die konfiguriert ist, um das analytische Modell zum Ableiten des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch die analytischen Daten zu erzeugen.Analysis device after Claim 1 wherein the model deriving device (100) comprises: an analytical data memory (110) configured to store the analytical data, the plurality of input signals used for the numerical analysis, and multiple output signals each of the plurality of input signals correspond, include; and an analytical model deriving device (140) configured to generate the analytical model for deriving the output of the numerical analysis that has performed multiple iterations through the analytical data. Analysevorrichtung nach Anspruch 2, wobei die Ableitungsvorrichtung (140) für analytische Modelle eine Beziehungsgleichung des analytischen Modells bildet, wo ein Parameter nicht bestimmt ist, und das analytische Modell durch das Ableiten des Parameters durch Lernen unter Verwendung der analytischen Daten erzeugt.Analysis device after Claim 2 wherein the analytical model deriving device (140) forms a relationship equation of the analytical model where a parameter is not determined and generates the analytical model by deriving the parameter by learning using the analytical data. Analysevorrichtung nach Anspruch 1 oder Anspruch 2, wobei die Modellableitungsvorrichtung (100) ferner einen Vorprozessor (120) umfasst, der konfiguriert ist, um eine Vorverarbeitung zum Korrigieren oder Entfernen der analytischen Daten gemäß einer vorgegebenen Bedingung auszuführen. Analysis device after Claim 1 or Claim 2 wherein the model derivation device (100) further comprises a preprocessor (120) configured to perform preprocessing to correct or remove the analytical data according to a predetermined condition. Analysevorrichtung nach Anspruch 1 oder Anspruch 4, wobei die Modellableitungsvorrichtung (100) ferner einen Datenanalysator (130) umfasst, der konfiguriert ist, um eine Beziehung zwischen den Zellen und eine Beziehung zwischen den Daten in jeder Zelle durch das Analysieren der vorverarbeiteten analytischen Daten abzuleiten.Analysis device after Claim 1 or Claim 4 wherein the model deriving device (100) further comprises a data analyzer (130) configured to derive a relationship between the cells and a relationship between the data in each cell by analyzing the preprocessed analytical data. Analysevorrichtung nach Anspruch 2, wobei der Modellanalysator (200) umfasst: einen numerischen Analysator (210), der konfiguriert ist, um die analytischen Daten durch das Ausführen der numerischen Analyse für mehrere Zellen, die den Raum um die Entwurfszielkomponente aufteilen, abzuleiten; und einen Analysator (220), der konfiguriert ist, um ein Ausgangssignal der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch das Anwenden der analytischen Daten auf das von der Ableitungsvorrichtung (140) für analytische Modelle abgeleitete analytische Modell vorherzusagen.Analysis device after Claim 2 wherein the model analyzer (200) comprises: a numerical analyzer (210) configured to derive the analytical data by performing the numerical analysis on multiple cells dividing the space around the design target component; and an analyzer (220) configured to predict an output of the numerical analysis that has performed multiple iterations by applying the analytical data to the analytical model derived from the analytical model deriving device (140). Analysevorrichtung nach Anspruch 6, die ferner einen Optimierer (300) umfasst, der konfiguriert ist, um ein optimiertes Ergebnis abzuleiten, das die von dem Modellanalysator (200) abgeleiteten mehreren Ausgangssignale optimiert.Analysis device after Claim 6 further comprising an optimizer (300) configured to derive an optimized result that optimizes the multiple output signals derived from the model analyzer (200). Analysevorrichtung nach Anspruch 7, wobei der Optimierer (300) umfasst: ein Filter (310), das konfiguriert ist, um das Rauschen in jedem der mehreren Ausgangssignale zu entfernen; einen primären Optimierer (320), der konfiguriert ist, um das Ausgangssignal, aus dem das Rauschen entfernt worden ist, primär zu optimieren; und einen sekundären Optimierer (330), der konfiguriert ist, um das primär optimierte Ergebnis sekundär zu optimieren.Analysis device after Claim 7 wherein the optimizer (300) comprises: a filter (310) configured to remove the noise in each of the plurality of output signals; a primary optimizer (320) configured to primarily optimize the output signal from which the noise has been removed; and a secondary optimizer (330) configured to secondary optimize the primary optimized result. Analysevorrichtung nach Anspruch 7, wobei der numerische Analysator (210) die analytischen Daten durch das Iterieren der numerischen Analyse basierend auf dem durch den Optimierer (300) optimierten optimierten Ergebnis ausgibt, und wobei der Analysator (220) das Ausgangssignal der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch das Anwenden der gemäß der iterierten numerischen Analyse ausgegebenen analytischen Daten auf das von der Ableitungsvorrichtung (140) für analytische Modelle abgeleitete analytische Modell vorhersagt.Analysis device after Claim 7 wherein the numerical analyzer (210) outputs the analytical data by iterating the numerical analysis based on the optimized result optimized by the optimizer (300), and wherein the analyzer (220) outputs the output of the numerical analysis that has performed multiple iterations, Predicts by applying the analytical data output according to the iterated numerical analysis to the analytical model derived by the analytical model deriving device (140). Analysevorrichtung nach Anspruch 7, wobei der numerische Analysator (210) die analytischen Daten durch das Iterieren der numerischen Analyse basierend auf dem durch den Optimierer (300) optimierten optimierten Ergebnis ausgibt, und wobei die Ableitungsvorrichtung (140) für analytische Modelle das analytische Modell zum Ableiten des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch die gemäß der iterierten numerischen Analyse ausgegebenen analytischen Daten aktualisiert.Analysis device after Claim 7 wherein the numerical analyzer (210) outputs the analytical data by iterating the numerical analysis based on the optimized result optimized by the optimizer (300), and wherein the analytical model deriving device (140) derives the analytical model for deriving the output signal of the numerical Analysis that has performed multiple iterations is updated with the analytical data output according to the iterated numerical analysis. Analyseverfahren, das umfasst: Erzeugen durch eine Modellableitungsvorrichtung (100) eines analytischen Modells zum Vorhersagen eines Ergebnisses einer numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Komponente unter Verwendung mehrerer analytischer Daten, die für die numerische Analyse für die Komponente verwendet werden; und Vorhersagen durch einen Modellanalysator (200) des Ergebnisses der numerischen Analyse, die mehrere Iterationen ausgeführt hat, für eine Entwurfszielkomponente unter Verwendung des analytischen Modells.Analytical method that includes: Generating, by a model deriving device (100), an analytical model for predicting a result of a numerical analysis that has performed multiple iterations for a component using a plurality of analytical data used for the numerical analysis for the component; and Predictions by a model analyzer (200) of the result of the numerical analysis that has performed multiple iterations for a design target component using the analytical model. Analyseverfahren nach Anspruch 11, wobei das Erzeugen des analytischen Modells umfasst: Speichern durch einen Speicher (110) für analytische Daten der analytischen Daten, die mehrere Eingangssignale, die für die numerische Analyse verwendet werden, und mehrere Ausgangssignale, die jedem der mehreren Eingangssignale entsprechen, umfassen; und Erzeugen durch eine Ableitungsvorrichtung (140) für analytische Modelle des analytischen Modells zum Ableiten des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch die analytischen Daten.Analysis method according to Claim 11 wherein generating the analytical model comprises: storing, by a memory (110), analytical data of the analytical data comprising a plurality of input signals used for the numerical analysis and a plurality of output signals corresponding to each of the plurality of input signals; and generated by an analytical model deriving device (140) of the analytical model to derive the output of the numerical analysis that has performed multiple iterations through the analytical data. Analyseverfahren nach Anspruch 12, wobei das Erzeugen des analytischen Modells das Bilden durch die Ableitungsvorrichtung (140) für analytische Modelle einer Beziehungsgleichung des analytischen Modells, wo ein Parameter nicht bestimmt ist, und das Erzeugen durch die Ableitungsvorrichtung (140) für analytische Modelle des analytischen Modells durch das Ableiten des Parameters durch Lernen unter Verwendung der analytischen Daten umfasst.Analysis method according to Claim 12 wherein generating the analytical model is forming by the analytical model deriving device (140) a relationship equation of the analytical model, where a parameter is not determined, and generating by the analytical model deriving device (140) of the analytical model by deriving the parameter by learning using the analytical data. Analyseverfahren nach Anspruch 12, das ferner umfasst: vor dem Erzeugen des analytischen Modells Ausführen durch einen Vorprozessor (120) des Vorverarbeitens zum Korrigieren oder Entfernen der analytischen Daten gemäß einer vorgegebenen Bedingung; und Ableiten durch einen Datenanalysator (130) der Beziehung zwischen den Zellen und der Beziehung zwischen den Daten in jeder Zelle durch das Analysieren der Lerndaten.Analysis method according to Claim 12 , further comprising: before generating the analytical model, a preprocessor (120) performs preprocessing to correct or remove the analytical data according to a predetermined condition; and deriving, by a data analyzer (130), the relationship between the cells and the relationship between the data in each cell by analyzing the learning data. Analyseverfahren nach Anspruch 12, wobei das Vorhersagen des Ergebnisses der numerischen Analyse umfasst: Ableiten durch einen numerischen Analysator (210) der analytischen Daten, die ein Eingangssignal und ein Ausgangssignal, das dem Eingangssignal entspricht, umfassen, durch das Ausführen der numerischen Analyse; und Ableiten durch einen Analysator (220) des Ausgangssignals der numerischen Analyse, die mehrere Iterationen ausgeführt hat, durch das Anwenden der analytischen Daten auf das durch die Ableitungsvorrichtung (140) für analytische Modelle abgeleitete analytische Modell.Analysis method according to Claim 12 wherein predicting the result of the numerical analysis comprises: deriving, through a numerical analyzer (210), the analytical data comprising an input signal and an output signal corresponding to the input signal by performing the numerical analysis; and deriving, by an analyzer (220), the output of the numerical analysis that has performed multiple iterations by applying the analytical data to the analytical model derived by the deriving device (140) for analytical models.
DE102019115320.4A 2018-08-21 2019-06-06 Analyzer using a learned model and method therefor Pending DE102019115320A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0097539 2018-08-21
KR1020180097539A KR102189311B1 (en) 2018-08-21 2018-08-21 An apparatus of analysis and a method therefor

Publications (1)

Publication Number Publication Date
DE102019115320A1 true DE102019115320A1 (en) 2020-02-27

Family

ID=69412798

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019115320.4A Pending DE102019115320A1 (en) 2018-08-21 2019-06-06 Analyzer using a learned model and method therefor

Country Status (3)

Country Link
US (1) US11416654B2 (en)
KR (1) KR102189311B1 (en)
DE (1) DE102019115320A1 (en)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11922314B1 (en) * 2018-11-30 2024-03-05 Ansys, Inc. Systems and methods for building dynamic reduced order physical models
US11544425B2 (en) * 2019-04-12 2023-01-03 Cnh Industrial America Llc Systems and methods for expediting design of physical components through use of computationally efficient virtual simulations
US11295046B2 (en) * 2019-04-12 2022-04-05 Cnh Industrial America Llc Systems and methods for expediting design of physical components through use of computationally efficient virtual simulations
WO2020115943A1 (en) * 2019-07-26 2020-06-11 株式会社日立ハイテク Data processing device, method, and semiconductor manufacturing method
US11481679B2 (en) * 2020-03-02 2022-10-25 Kyndryl, Inc. Adaptive data ingestion rates
KR102532668B1 (en) * 2020-11-04 2023-05-16 한국생산기술연구원 Finite element analysis system and finite element analysis method using artificial intelligence
KR102641807B1 (en) * 2023-08-22 2024-02-27 에스케이에코플랜트(주) Device for calibrating sensor and operation method thereof

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001229407A (en) * 2000-02-17 2001-08-24 Canon Inc Device and method for model generation for numerical analysis, and storage medium
US20080177518A1 (en) * 2007-01-18 2008-07-24 Cfd Research Corporation Integrated Microfluidic System Design Using Mixed Methodology Simulations
KR100948755B1 (en) 2009-03-18 2010-03-23 광진실업 주식회사 Cross section shape design method of shape drawing die by using electric field analysis for cross roller guide and lm-guide manufactured thereby
EP2542918A2 (en) * 2010-03-05 2013-01-09 Vialogy LLC Active noise injection computations for improved predictability in oil and gas reservoir discovery and characterization
BRPI1002159A8 (en) 2010-04-15 2021-10-26 Asel Tech Tecnologia E Automacao Ltda Integrated system with acoustic technology, mass balance and neural network for detecting, locating and quantifying leaks in pipelines
US8725470B1 (en) 2010-05-17 2014-05-13 The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) Co-optimization of blunt body shapes for moving vehicles
AU2011283193B2 (en) * 2010-07-29 2014-07-17 Exxonmobil Upstream Research Company Methods and systems for machine-learning based simulation of flow
EP2599031A4 (en) * 2010-07-29 2014-01-08 Exxonmobil Upstream Res Co Methods and systems for machine-learning based simulation of flow
WO2012049742A1 (en) * 2010-10-13 2012-04-19 日立オートモティブシステムズ株式会社 Flow sensor and production method therefor, and flow sensor module and production method therefor
US20120226200A1 (en) * 2011-03-02 2012-09-06 Highland Instruments, Inc. Methods of stimulating tissue based upon filtering properties of the tissue
US10162932B2 (en) * 2011-11-10 2018-12-25 Siemens Healthcare Gmbh Method and system for multi-scale anatomical and functional modeling of coronary circulation
GB2501523B (en) * 2012-04-27 2015-08-05 Acergy France SAS Method and apparatus for design of pipeline components
KR101418445B1 (en) * 2012-12-31 2014-07-14 (주) 디엔디이 Method for designing and analyzing wind turbine blade
AU2014225445B2 (en) * 2013-03-08 2018-09-20 Carnegie Mellon University Expandable implantable conduit
KR20140140279A (en) * 2013-05-29 2014-12-09 한국항공우주산업 주식회사 System for the Aeroelastic Prediction of Rotor Craft Tail Unit and Controlling Method for the Same
KR20150054245A (en) * 2013-11-11 2015-05-20 한국항공우주연구원 Linear approximation of the model within the design space optimal design method
US9087147B1 (en) * 2014-03-31 2015-07-21 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
KR20160007838A (en) 2014-07-03 2016-01-21 (주) 디엔디이 Method for designing and analyzing wind turbine blade
KR101612506B1 (en) * 2014-10-21 2016-04-14 한국항공우주산업 주식회사 System and method for Aircraft areodynamic analysis using CFD
US11131989B2 (en) * 2017-08-02 2021-09-28 Strong Force Iot Portfolio 2016, Llc Systems and methods for data collection including pattern recognition
US11915123B2 (en) * 2019-11-14 2024-02-27 International Business Machines Corporation Fusing multimodal data using recurrent neural networks

Also Published As

Publication number Publication date
US20200065441A1 (en) 2020-02-27
KR102189311B1 (en) 2020-12-09
KR20200021767A (en) 2020-03-02
US11416654B2 (en) 2022-08-16

Similar Documents

Publication Publication Date Title
DE102019115320A1 (en) Analyzer using a learned model and method therefor
Durrant winGamma: A non-linear data analysis and modelling tool with applications to flood prediction
DE112018002822T5 (en) CLASSIFY NEURONAL NETWORKS
US20210133378A1 (en) Methods and systems for the estimation of the computational cost of simulation
CN112468326A (en) Access flow prediction method based on time convolution neural network
DE102019127133B4 (en) Apparatus for generating learning data for combustion optimization and method therefor
DE112021005910T5 (en) FASTER COVERAGE CONVERGENCE WITH AUTOMATIC TEST PARAMETERS TUNING WITH RESTRICTED RANDOM VERIFICATION
Budka et al. Ridge regression ensemble for toxicity prediction
DE102019115293A1 (en) Flow analysis optimization device and method therefor
Regazzoni et al. A physics-informed multi-fidelity approach for the estimation of differential equations parameters in low-data or large-noise regimes
DE102019127154B4 (en) Combustion optimization device and method
EP3712784A2 (en) System and method for signal pre-processing based on data driven models and data dependent model transformation
DE102023207516A1 (en) Systems and methods for expert-guided semi-supervision with contrastive loss for machine learning models
DE102023205594A1 (en) Methods and systems for training a machine learning model with measurement data collected during a manufacturing process
CN116775687A (en) Time sequence prediction closed-loop framework based on digital-analog symbiosis
CN111524023A (en) Greenhouse adjusting method and system
DE102019127135B4 (en) Apparatus for managing combustion optimization and method therefor
DE102019115303A1 (en) Flow analysis device and method therefor
DE102019127145A1 (en) Device for diagnosing an analysis and method therefor
CN113139332A (en) Automatic model construction method, device and equipment
DE112020003537T5 (en) UNSUPERVISED CONCEPT DEVELOPMENT AND CROSS-MODAL RECOVERY IN TIME SERIES AND TEXT COMMENTS BASED ON CANONICAL CORRELATION ANALYSIS
Gottwald et al. Analysis and optimisation of bellman residual errors with neural function approximation
DE102019126292A1 (en) System and method for predicting an analytical anomaly in computational fluid dynamics analysis
CN112835771A (en) Traffic prediction method, device, equipment and storage medium
DE102023209512A1 (en) Methods and systems for performing root cause analysis with a trained machine learning model

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G06F0017500000

Ipc: G06F0030000000

R081 Change of applicant/patentee

Owner name: DOOSAN ENERBILITY CO., LTD., CHANGWON-SI, KR

Free format text: FORMER OWNER: DOOSAN HEAVY INDUSTRIES & CONSTRUCTION CO., LTD., GYEONGSANGNAM-DO, KR